英国芯片厂商Arm今天表示,将在最新的Armv8-M架构中添加“Arm Custom Instructions”功能。
此举是为了让客户可以将针对嵌入式和物联网应用的特定指令添加到CPU中。Armv8-M架构是Arm现有M33 Cortex-M低功耗处理器系列的基础架构,该系列处理器主要面向一系列物联网和移动设备。
Arm的商业模式与其他芯片制造商明显不同之处在于,Arm将芯片设计许可给合作伙伴,然后由合作伙伴自己开发实际的硬件,其中很多合作伙伴都希望适配Arm的设计,这样就可以开发用于特定任务的处理器,提供更高的性能和效率。
Arm今天在第15届Arm TechCon 2019年度大会上表示,Arm Custom Instructions是建立在Arm芯片合作伙伴创新这一理念基础上的。Arm公司首席执行官Simon Segars在今天上午的主题演讲中表示:“在芯片中增加灵活性是有空间的,例如增加了并非所有工作负载都需要的计算或安全功能。”
Arm Custom Instructions让芯片设计人员可以向其M33 Cortex-M CPU中添加“自定义数据路径扩展”。Arm表示,通过这种方式他们就可以打造各种加速器,从而在人工智能、机器学习和自动驾驶汽车等边缘计算用例实现更高的性能。
Moor Insights&Strategy总裁兼首席分析师Patrick Moorhead表示:“ Arm的自定义指令可以帮助解决芯片制造商在不使用加速卡的情况下以低延迟增加加速的问题。这是一种很新颖的方法,因为它支持‘自带指令',意味着芯片制造商可以以结构化的方式添加自己的IP,而且这也不会取代高端加速器芯片。”
确实,Segars在今天上午的主题演讲中再次强调了Arm的目标,即让Arm芯片满足大范围的计算需求,特别是随着5G网络、物联网和人工智能技术发展成熟的时候。他说:“我们希望涵盖一切,从最大的计算机到最小的传感器。”
Arm表示,将于明年上半年在其M33 CPU中实现自定义指令,而无需向被许可方支付任何额外费用。
在这次大会上Arm还宣布将为针对低功率物联网设备的Mbed操作系统引入一种新的治理模型。Mbed OS包含了开发人员基于Arm Cortex-M微控制器开发连接产品所需的所有功能,包括安全性、连接性、RTOS,以及用于传感器和I/O设备的驱动程序。
Arm表示,Mbed OS Partner Governance治理模型让用户在未来操作系统开发过程中拥有更多发言权,从而加强创新。伴随这个新模型的推出,Arm将成立一个新的产品工作组,该工作组每月开一次会,以应优先考虑哪些新Mbed OS功能进行投票,而且会议对Mbed Silicon合作伙伴计划的所有成员开放。
“Mbed OS一直是开源的物联网操作系统,同时我们也在不断改变其治理方式,以便我们的芯片合作伙伴可以直接参与到未来的发展中,加大我们在构建新功能和特性方面的努力,而这对于我们扩展到一万亿个互联设备的目标来说至关重要。”
此外,Arm最近还与Robert Bosch GmbH、Continental AG、Denso、General Motors、Nvidia、NXP Semiconductors和Toyota Motor等合作伙伴宣布成立了一个新的“自动驾驶汽车计算联盟”。
该联盟的目标是尝试克服在打造全自动驾驶汽车方面的一些最大挑战,首要任务之一就是提出“针对系统架构和计算平台的一系列建议,让自动驾驶系统的性能要求与车辆特定的要求和局限相协调”。
好文章,需要你的鼓励
本文探讨如何使用生成式AI和大语言模型作为倾听者,帮助用户表达内心想法。许多主流AI如ChatGPT、Claude等被设计成用户的"最佳伙伴",或试图提供心理健康建议,但有时用户只想要一个尊重的倾听者。文章提供了有效的提示词技巧,指导AI保持中性、尊重的态度,专注于倾听和理解,而非给出建议或判断。同时提醒用户注意隐私保护和AI的局限性。
北京大学团队开发出WoW世界模型,这是首个真正理解物理规律的AI系统。通过200万机器人互动数据训练,WoW不仅能生成逼真视频,更能理解重力、碰撞等物理定律。其创新的SOPHIA框架让AI具备自我纠错能力,在物理理解测试中达到80.16%准确率。该技术将推动智能机器人、视频制作等领域发展,为通用人工智能奠定重要基础。
人工通用智能和超级人工智能的出现,可能会创造出一种全新的外星智能形态。传统AI基于人类智能模式构建,但AGI和ASI一旦存在,可能会选择创造完全不同于人类认知方式的新型智能。这种外星人工智能既可能带来突破性进展,如找到癌症治愈方法,也可能存在未知风险。目前尚不确定这种新智能形态是否会超越人类智能,以及我们是否应该追求这一可能改变人类命运的技术突破。
香港大学和蚂蚁集团联合推出PromptCoT 2.0,这是一种让AI自动生成高质量训练题目的创新方法。通过"概念-思路-题目"的三步策略,AI能像老师备课一样先构思解题思路再出题,大幅提升了题目质量和训练效果。实验显示该方法在数学竞赛和编程任务上都取得了显著提升,为解决AI训练数据稀缺问题提供了新思路。